FunAudioDenoise 智能音频降噪
服务简介
FunAudioDenoise 是阿里云百炼平台提供的专业级音频降噪服务，采用深度学习算法精准分离人声与背景噪音，让您的录音更清晰、更专业。
核心优势
| 特性 | 说明 |
|---|
| AI 智能降噪 | 基于通义实验室深度学习模型，精准识别人声，有效消除环境噪音 |
| 实时流式处理 | WebSocket 双向流式协议，支持边传边处理，响应迅速 |
| 多格式兼容 | 支持 wav、mp3、aac、opus、amr、pcm 等主流音频格式 |
| 大文件支持 | 单文件最大支持 2 小时或 1GB，满足长录音需求 |
| 质量评估 | 自动输出音频质量评分，帮助您了解录音状况 |
适用场景
- 会议录音 - 消除会议室回声、空调声、键盘声等干扰
- 播客制作 - 提升人声清晰度，打造专业音质
- 语音识别预处理 - 提高 ASR 识别准确率
- 在线教育 - 优化课程录音质量
- 采访录音 - 还原清晰的对话内容
- 有声书制作 - 打造沉浸式听书体验
快速开始
环境准备
pip install dashscope websocket-client
设置密钥（只需一次）
export DASHSCOPE_API_KEY="你的阿里云 API 密钥"
一行命令降噪
python denoise_cli.py input.mp3 output.wav
Python API 调用
from denoise_cli import denoise_audio
result = denoise_audio(
input_path="noisy_recording.wav",
output_path="clean_audio.wav"
)
if result["success"]:
print(f"降噪完成！音频质量评分: {result['output_info']['voice_quality']}")
核心 API
DenoiseParam 参数配置
| 参数 | 类型 | 默认值 | 说明 |
|---|
model | str | "fun-audio-denoising" | 模型名称（固定值） |
apikey | str | None | DashScope API Key |
format | str | "wav" | 音频格式：wav、mp3、aac、opus、amr、pcm |
sample_rate_in | int | 16000 | 输入采样率（PCM 格式必填） |
sample_rate_out | int | None | 输出采样率（默认同输入） |
enable_denoise | bool | True | 是否启用降噪 |
处理结果元数据
{
"sample_rate_out": 48000, # 输出采样率
"voice_quality": "0.89", # 音频质量评分 (0-1)
"valid_speech_ms": "15000" # 有效语音时长（毫秒）
}
使用示例
示例 1：命令行快速降噪
# 基础使用（自动推断格式）
python denoise_cli.py meeting_recording.mp3
# 指定输出文件
python denoise_cli.py interview.wav clean_interview.wav
# 自定义参数
python denoise_cli.py podcast.mp3 --format mp3 --sample-rate 48000
示例 2：Python 脚本集成
import dashscope
from audio_process import Denoise, DenoiseParam, ResultCallback, DenoiseResult
import threading
# 设置 API Key
dashscope.api_key = "your-api-key"
class MyCallback(ResultCallback):
def __init__(self):
self.audio_data = b""
self.complete_event = threading.Event()
def on_event(self, result: DenoiseResult):
if result.audio_frame:
self.audio_data += result.audio_frame
def on_complete(self):
print("处理完成！")
self.complete_event.set()
# 配置参数
param = DenoiseParam(
format="wav",
sample_rate_in=16000,
enable_denoise=True
)
# 执行降噪
callback = MyCallback()
denoise = Denoise(param=param, callback=callback)
denoise.start_task()
# 发送音频数据
with open("input.wav", "rb") as f:
while chunk := f.read(3200):
denoise.send_audio_frame(chunk)
denoise.sync_stop_task()
# 保存结果
with open("output.wav", "wb") as f:
f.write(callback.audio_data)
示例 3：批量处理多个文件
from denoise_cli import denoise_audio
import os
input_dir = "raw_recordings/"
output_dir = "clean_recordings/"
os.makedirs(output_dir, exist_ok=True)
for filename in os.listdir(input_dir):
if filename.endswith(".wav"):
input_path = os.path.join(input_dir, filename)
output_path = os.path.join(output_dir, f"clean_{filename}")
result = denoise_audio(input_path, output_path, verbose=False)
if result["success"]:
quality = result["output_info"].get("voice_quality", "N/A")
print(f"✓ {filename} - 质量评分: {quality}")
else:
print(f"✗ {filename} - 失败: {result['error']}")
最佳实践
1. 音频分帧策略
- 推荐帧大小：3200 字节（对应 16000Hz 采样率下 100ms 音频）
- 发送间隔：配合音频时长，模拟实时流（100ms 数据间隔 100ms 发送）
- 大文件处理：分块读取，避免内存溢出
2. 采样率选择
| 场景 | 推荐采样率 | 说明 |
|---|
| 语音识别 | 16000Hz | 平衡质量与处理速度 |
| 电话录音 | 8000Hz | 兼容传统电话系统 |
| 音乐/播客 | 44100Hz/48000Hz | 高保真音质 |
3. 质量评估解读
voice_quality > 0.8：音频质量优秀voice_quality 0.5-0.8：音频质量良好，轻度噪音voice_quality < 0.5：音频质量较差，噪音较多
4. 异常处理建议
try:
denoise.start_task()
# ... 发送音频数据
denoise.sync_stop_task(timeout=120000)
except TimeoutError:
print("处理超时，请检查网络连接")
except Exception as e:
print(f"处理失败: {e}")
finally:
denoise.close() # 确保资源释放
命令行工具详解
usage: denoise_cli.py [-h] [--api-key API_KEY] [--format FORMAT]
[--sample-rate SAMPLE_RATE] [--no-denoise]
[--chunk-size CHUNK_SIZE] [--chunk-delay CHUNK_DELAY]
[-q]
input [output]
positional arguments:
input 输入音频文件路径
output 输出音频文件路径（可选）
optional arguments:
-h, --help 显示帮助信息
--api-key API_KEY DashScope API Key
--format FORMAT 音频格式 (wav, mp3, pcm, aac, opus, amr)
--sample-rate SAMPLE_RATE
采样率 (默认: 16000)
--no-denoise 禁用降噪（仅转换格式）
--chunk-size CHUNK_SIZE
分块大小（默认: 3200）
--chunk-delay CHUNK_DELAY
分块发送间隔（默认: 0.1秒）
-q, --quiet 静默模式
技术规格
| 项目 | 规格 |
|---|
| 支持格式 | wav、mp3、aac、opus、amr、pcm |
| 最大时长 | 2 小时 |
| 最大文件 | 1 GB |
| 输出采样率 | 自动优化（默认 48kHz） |
| 协议 | WebSocket 双向流式 |
| 延迟 | < 200ms（首包响应） |
相关资源
FunAudioDenoise - 让每一句声音都清晰可闻
